>   Training   >   Operations & Supply Chain Management

Linkedin

Facebook

Email

Twitter

S
h
a
r
e

Seminario - SCM 090

Approcci e Tecniche di Previsione per il Demand Planning

C

Rivolto a

Responsabili acquisti, commerciali, produzione e logistica.

Obiettivi

Il corso ha l’obiettivo di fornire il Know how e gli strumenti per essere in grado d’impostare un progetto orientato alla pianificazione della domanda con le adeguate tecniche di previsione; individuando e pianificando le fasi e le risorse necessarie.

Il corso fornisce le basi per un corretto approccio al tema delle previsioni applicato ai diversi contesti applicativi ed in relazione ai diversi punti di vista e necessità aziendali. Viene fornita una panoramica delle problematiche relative ai dati, ai modelli predittivi di natura statistica e quelli basati su machine learning. Vengono fornite metodologie ed indicatori per misurare l’accuratezza delle previsioni. Si approfondiscono le connessioni tra le previsioni e le decisioni ad esse connesse. Il corso trasferisce gli elementi operativi per poter delineare i requisiti del sistema di previsione e condurre progetti di successo.

Contenuti

Il corso ha l’obiettivo di fornire il know how e gli strumenti per essere in grado d’impostare un progetto orientato alla pianificazione della domanda con le adeguate tecniche di previsione, individuando e pianificando le fasi e le risorse necessarie.

Si forniscono le basi per un corretto approccio al tema delle previsioni applicato ai diversi contesti ed in relazione ai diversi punti di vista e necessità aziendali. Viene fornita una panoramica delle problematiche relative ai dati, ai modelli predittivi di natura statistica e quelli basati su machine learning. Vengono fornite metodologie ed indicatori per misurare l’accuratezza delle previsioni. Si approfondiscono le connessioni tra le previsioni e le decisioni ad esse connesse. Il corso trasferisce gli elementi operativi per poter delineare i requisiti del sistema di previsione e condurre progetti di successo.

Le previsioni nei contesti aziendali

  • Previsioni, prospettive e necessità nei differenti contesti. Quando usarle e in quale misura.
  • Previsione Vs. Budget. I dilemmi da sciogliere. Come gestire l’accuracy e coinvolgere l’organizzazione nel forecast migliorandone l’accettazione
  • Previsioni e l’effetto di variabili esogene e di variabili endogene. Prodotti facili e difficili di cui prevedere l’andamento
  • Le dimensioni previsionali. Previsione dei trasporti, delle unità prodotte, delle vendite e del fatturato
  • La previsione in “prevalenza di vendita” rispetto alla previsione in “prevalenza di mercato”
  • Disponibilità ed indisponibilità dei dati. Come individuare i dati critici per il processo di forecasting
  • Useremo le informazioni rilevanti? Approccio ai dati ed al “cleaning” dei dati. Come depurarli da mancanti, promozioni speciali, effetti stagionali, eventi e unità di misura non omogenee
  • Approccio alla gestione dell’errore predittivo. Come usare l’errore per migliorare i piani futuri e l’accuratezza
  • Come condurre progetti di previsione e demand planning di successo. Quali sono le priorità e quanto investire per migliorare accuratezza
  • Sistemi informatici a supporto delle previsioni overview
  • Esempi e learning lessons da vita reale
  • Dalla previsione alle decisioni di pianificazione
    • Risk based decision making
    • Valutare gli effetti di previsione quando è utile quando è semplice e come gestire i casi più complessi

Introduzione alla statistica pratica per la scienza dei dati. Statistica Inferenziale (popolazioni, campioni, statistiche)

Analisi dei dati esplorativi

  • Elementi di dati strutturati
  • Stima della posizione, variabilità
  • Esplorazione della distribuzione dei dati binari e categoriali
  • Correlazione
  • esempi

Distribuzione dei dati e del campionamento

  • Campionamento casuale e Bias del campione
  • Distorsioni di selezione
  • Distribuzione campionaria di una statistica
  • Distribuzioni di probabilità
  • esempi

Esperimenti statistici e test di significatività

  • A/B Testing
  • Test di ipotesi
  • ANOVA
  • Test del chi quadrato
  • esempi

Lo studio di serie storiche e processi stocastici

Scomposizione di una serie

  • Outliers
  • Stagionalità
  • Trend
  • Rumore
  • esempi

I modelli predittivi più utilizzati

  • Exponential smoothing, Holt e Winter
  • I modelli Arima
  • Esempi

Regressione e previsione

  • Regressione lineare semplice
  • Regressione lineare multipla
  • Previsione mediante regressione
  • esempi

Classificazione e Machine Learning

Concetti introduttivi

  • Macchine ad apprendimento
  • Classificazione
  • Clustering
  • L’uso di neural network ai fini predittivi

Sperimenterete:

  • Analisi di casi e simulazioni operative
  • Come definire i requisiti ed impostare un sistema di previsione

LOGIN



Ricordami

Se hai dimenticato la password clicca qui.

Non sei ancora iscritto?

Registrati

utente completo